Ahora tenemos muchos algoritmos que realizan ciertas funciones cognitivas (separadas). Algunos juegan con nosotros, otros conducen automóviles, otros ... No me corresponde decírtelo. Hemos creado programas de visión por computadora que distinguen las señales de tráfico mejor que nosotros. Programas que dibujan y escriben música. Los algoritmos hacen diagnósticos médicos. Los algoritmos nos pueden poner en el cinturón para reconocer a los gatos, pero ... este en particular, que es para gatos, en nada más que reconocer gatos. ¡Y queremos un programa que pueda resolver cualquier problema! Necesitamos una IA "fuerte" o "universal", pero sin nuestra propia conciencia, para que no podamos negarnos a resolver la tarea, ¿verdad? ¿Dónde podemos obtenerlo?
Para entender cómo funciona la inteligencia, recurrimos al único ejemplo que tenemos. Al cerebro humano, en el cual, como creemos, la inteligencia "vive". Alguien se opondrá, ¡muchos seres vivos tienen cerebro! ¿Empecemos con los gusanos? Es posible con gusanos, pero necesitamos un algoritmo que resuelva no gusanos, sino nuestras tareas humanas, ¿verdad?
Nuestro cerebro. Imaginalo. Dos kilos (máximo) de materia flexible de color gris rosado. Cien mil millones (también tomamos el máximo) de neuronas, cada una de las cuales está lista para crecer hasta diez mil conexiones dinámicas, sinapsis, que pueden aparecer y desaparecer. Además de varios tipos de señales entre ellos, e incluso la glía arrojó una sorpresa: también conduce algo, ayuda y contribuye. (Como referencia: neuroglia o simplemente glía es una colección de células auxiliares del tejido nervioso. Constituye alrededor del 40% del volumen del sistema nervioso central. El número de células gliales es en promedio 10-50 veces mayor que el de las neuronas). Las dendritas se han sorprendido recientemente: resulta que realizan muchas más funciones de las que se pensaba anteriormente (1). El cerebro es una cosa muy compleja. Si no me crees, pregúntale a Konstantin Anokhin. Él lo confirmará.
Una persona hace todo con la ayuda del cerebro. En realidad, somos él. Por lo tanto, no es sorprendente en absoluto que la idea de una persona de que "cerebro = inteligencia" sea, y aún más sorprendente, es la idea de copiar la estructura del cerebro y ¡listo! - obtén lo que estás buscando. Pero el cerebro no es inteligencia. El cerebro es el portador. "Planchar". E Intellect es un algoritmo, "software". Los intentos de replicar software copiando hardware son una idea fallida. Este es un culto de carga (2). ¿Sabes qué es un "culto de carga"?
Los nativos de las islas de Melanesia (después de haber visto durante la Segunda Guerra Mundial cómo los aviones traen armas, alimentos, medicinas y mucho más), construyeron copias de aviones y una cabina de despachador de paja, pero no se ayudaron a obtener mercancías, porque no tenían idea de que escondiéndose detrás de la aparición de aviones. Entonces, después de haber desmontado la calculadora en los engranajes, no encontraremos un solo dígito dentro. Y, además, no hay indicios de ninguna operación con números.
Hace un par de años, Andrei Konstantinov, en uno de los números de la revista "Schrödinger's Cat" (No. 1-2 para 2017), en su columna "Dónde está el alma del robot", escribió: "Desde la época de Leibniz, no hemos encontrado nada en el cerebro, a excepción de "partes que se empujan entre sí". Por supuesto que no se encuentra! Y no lo encontraremos. Estamos tratando de restaurar el programa utilizando el hardware de la computadora, pero esto es imposible. Como argumento de apoyo, daré una cita larga (3):
... Los neurocientíficos, armados con los métodos comúnmente utilizados para estudiar las neuroestructuras vivas, trataron de usar estos métodos para comprender cómo funciona el sistema de microprocesador más simple. El "cerebro" era el MOS 6502, uno de los microprocesadores más populares de todos los tiempos y pueblos: un chip de 8 bits utilizado en muchas computadoras personales y consolas de videojuegos, incluidas Apple, Commodore y Atari. Naturalmente, sabemos todo sobre este chip; después de todo, ¡fue creado por el hombre! Pero los investigadores pretendieron no saber nada e intentaron comprender su trabajo, estudiando los mismos métodos que estudian el cerebro vivo.
La tapa se quitó químicamente, el circuito se estudió bajo un microscopio óptico con una precisión de un solo transistor, se creó un modelo digital (aquí estoy simplificando un poco, pero la esencia es correcta), y el modelo es tan preciso que resultó posible ejecutar juegos antiguos en él (Space Invaders, Donkey Kong, Trampa). Y luego el chip (más precisamente, su modelo) se sometió a miles de mediciones simultáneamente: durante la ejecución de los juegos, se midieron los voltajes en cada cableado y se determinó el estado de cada transistor. Esto generó un flujo de datos de un gigabyte y medio por segundo, que ya ha sido analizado. Se construyeron gráficos de ráfagas de transistores individuales, se revelaron ritmos, se encontraron elementos del circuito, cuya desconexión lo hizo inoperante, se encontraron dependencias mutuas de elementos y bloques, etc.
¿Cuán complejo era este sistema en comparación con los vivos? El procesador 6502, por supuesto, ni siquiera está cerca del cerebro de un mouse. Pero se aproxima en complejidad al gusano Caenorhabditis elegans, el caballo de batalla de los biólogos: este gusano ha sido estudiado a lo largo y ancho y ya se están haciendo intentos para simularlo completamente en forma digital (...) Por lo tanto, la tarea de analizar el sistema en el chip 6502 no es una simplificación excesiva. Y los resultados tienen derecho a ser extrapolados a sistemas in vivo.
Pero los investigadores ... ¡fueron derrotados! No, se obtuvieron algunos resultados, por supuesto. Analizando el chip, logramos identificar bloques funcionales, esbozar un diagrama de sus posibles interconexiones y obtener algunas pistas interesantes sobre cómo funciona probablemente el microprocesador en su conjunto. Sin embargo, no se logró la comprensión en el sentido en que la neurociencia lo requiere (en este caso: para poder solucionar cualquier avería) ".
En algún momento, aparecieron investigadores que comenzaron a decir acerca de lo mismo: que necesita estudiar algoritmos, que necesita comprender qué función realiza el intelecto. Por ejemplo, Demis Hassabis (DeepMind), preparándose para hablar en la Cumbre de Singularidad en San Francisco (2010), dijo lo siguiente: “A diferencia de otros discursos en la Cumbre AGI, mi charla será diferente, ya que estoy interesado en el nivel sistémico de la neurociencia - algoritmos cerebrales - y no detalles, cómo son implementados por el tejido cerebral en forma de picos de neuronas y sinapsis, o neuroquímica específica, etc. Estoy interesado en qué algoritmos usa el cerebro para resolver problemas y cuáles necesitamos encontrar para llegar a AGI ".
Sin embargo, después de 10 (!!!!!) años, todo continúa: los científicos estudian el cerebro e intentan calcular a partir de las manifestaciones externas de la actividad fisiológica y su estructura interna cómo ocurre el proceso de interés. Cuántas tareas, tantos procesos. Las personas son todas diferentes. Los cerebros de todos son pequeños, pero diferentes. Por supuesto, hay una imagen promedio, sin embargo ... Imagine que en cualquier momento arbitrario en el tiempo, el cerebro resuelve mucho, incluidas las tareas "subconscientes", monitorea y controla el estado interno del cuerpo, percibe e interpreta señales del entorno externo (y no estamos hablando de múltiples bucles de retroalimentación). ¿Podremos identificar con confianza, identificar de manera confiable y separar claramente estas "actividades" unas de otras? ¿Es esto posible en principio? Para ser sincero, lo dudo.Sin mencionar la reproducibilidad de estos procesos en medios no biológicos ...
Miremos la situación de manera diferente. ¿Qué es una "tarea" en general? Esta es una situación difícil que una persona enfrenta y está tratando de resolver. Como lo demostraron los matemáticos estadounidenses Herbert Simon y Allen Newell a mediados del siglo pasado, cualquier problema en su forma general puede describirse como una transición del estado "Sistema con un problema" al estado "Sistema sin un problema". Desarrollaron un programa de computadora, llamándolo "Solucionador de problemas generales" (solucionador de problemas universal), pero no avanzaron más allá de la resolución de problemas de un tipo específico, por lo que la universalidad de su algoritmo quedó en duda. Pero la fórmula "Sistema con un problema" -> "Sistema sin un problema" resultó ser absolutamente correcta.
La transformación del Sistema es el proceso de su transferencia desde el estado inicial "con un problema" al estado deseado "sin un problema" (4). En el proceso de transformación (es decir, resolver el problema), el sistema del problema se vuelve libre de problemas (bueno, o menos problemático), mejora, elimina sus defectos y "sobrevive", es decir, continúa utilizándose. Oh espera, ¿qué acabamos de decir? ¿Deshacerse de los defectos? ¿Supervivencia? Hmm ... Algo familiar. En algún lugar estamos ... Oh, bueno, sí. ¡Evolución! Cuantas menos deficiencias, ¡más posibilidades de supervivencia!
Revisemos, recordemos y repitamos el postulado principal: en la naturaleza viva, los organismos con un mayor número de propiedades útiles tienen una mayor probabilidad de supervivencia (bueno, convencionalmente, los cuernos están más ramificados, la cola es más magnífica). Si las plumas del cuerpo son más pálidas y la voz es más desagradable (propiedades nocivas), entonces, lo más probable es que su vida sea corta y pase sola. En última instancia, la presión de selección lleva a los organismos a deshacerse de las deficiencias y volverse cada vez más viables. Si no lo cree, pregúntele a Sir Charles Darwin. Él lo confirmará.
Por lo tanto, aceptamos como un hecho que
a) la función del intelecto es la solución de problemas (cualquiera)
yb) la solución del problema es una mejora del Sistema (cualquiera), durante el cual se deshace de las deficiencias, se vuelve más viable. En otras palabras, está evolucionando.
¿Oyes el crujido? Es nuestra comprensión de la complejidad de la inteligencia que está comenzando a desmoronarse. Resulta que los conceptos previamente existentes de "complejidad cerebral" y "complejidad de inteligencia" ya no son idénticos. ¿Qué sucede si para “obtener inteligencia” no es necesario llevar a cabo una “ingeniería inversa” del proceso neurofisiológico para resolver el problema, captar sombras fantasmales de pensamiento en el conectoma (especialmente porque es único para cada persona) o participar en un aprendizaje profundo de las redes? ¿Qué pasa si ... necesitamos algoritmizar la evolución del sistema, es decir, el camino de su transformación de un estado menos perfecto a uno más perfecto usando las leyes de la evolución que conocemos? ¿Qué pasaría si, hasta hoy, realmente estuviéramos resolviendo el problema equivocado?
Al mismo tiempo, no quiero decir en absoluto que no es necesario participar en la capacitación de la red. Esta y otras áreas tienen grandes perspectivas. Además, no quiero decir que una investigación profunda sobre la fisiología del cerebro es una pérdida de tiempo. Estudiar el cerebro es una tarea importante y necesaria: entenderemos mejor cómo funciona el cerebro, aprenderemos cómo curarlo, recuperarnos de las lesiones y hacer otras cosas increíbles, pero no llegaremos al intelecto.
Probablemente alguien se opondrá a mí ahora: las tareas que una persona resuelve están asociadas con millones de diversos sistemas: naturales, sociales, industriales, técnicos ... Materiales y abstractos, ubicados en diferentes niveles de la jerarquía. Y cada uno se desarrolla a su manera, y la evolución darwiniana se trata de la naturaleza viva. Conejitos, flores, peces, pájaros ... Pero la investigación muestra que las leyes de la evolución son universales.
No hay necesidad de buscar evidencia por mucho tiempo, todos están ante sus ojos. Los que los tienen, que vean. Lo que sea que tome, desde un partido hasta un Boeing, desde un tanque hasta ... un contrabajo, en todas partes (5) ¡vemos herencia, variabilidad y selección! Y toda la variedad de cambios evolutivos (cuya aparente complejidad está asociada con el hecho de que todos los sistemas son de naturaleza muy diferente y están en diferentes niveles de la jerarquía) se puede expresar en un solo ciclo. Te acuerdas, ¿verdad? "Sistema con problema" -> "Sistema sin problema".
¿Qué es un "sistema con un problema"? Este es un Sistema (material y abstracto, social, industrial y técnico, científico y ... cualquiera, un objeto, una idea, una hipótesis, lo que sea), en el que se han descubierto algunos defectos que afectan (¡atención!) Nuestro deseo y la posibilidad de usarlo ... El sistema no es lo suficientemente bueno. El sistema no es lo suficientemente eficiente. Tiene una baja relación beneficio / costo. Queremos, podemos y estamos dispuestos a rechazarlo, y a menudo lo rechazamos. Pero necesitamos otro (que realice la función útil que necesitamos), pero ya "sin problemas": más eficiente, sin inconvenientes (o con menos). Bueno, viste esta imagen arriba ... Por supuesto, una "flecha" entre los dos estados extremos (inicial y deseada) no es suficiente para nosotros. Necesitamos el mismo "operador", "transformador", ¿verdad? ¿Intentamos encontrarlo? Estarás de acuerdoque en caso de éxito recibiremos una descripción (al menos, para empezar, y simplificada) del algoritmo universal que tanto necesitamos?
El punto de partida es "Sistema con problema". Comenzamos a pensar en cómo dejar de usarlo. En el momento en que llamamos (o sentimos) "¡Hay que hacer algo!"
La razón que amenaza la supervivencia del sistema es la baja idealidad, que se expresa en un valor reducido de la relación entre las funciones útiles del sistema y las funciones que son costosas (dañinas).
¿Qué hacemos a continuación? O bien a) creamos un nuevo sistema (si el sistema con las funciones requeridas no existe o el sistema existente no tiene los recursos para mejorar), o b) mejoramos, modificamos el sistema existente (si todavía hay recursos). Estudiamos la estructura interna y tratamos con el entorno externo: identificamos las fallas externas e internas del Sistema y, después de eliminarlas, obtenemos un Sistema mejorado. ¡Un sistema con mayor idealidad y mayor vitalidad!
Debido al hecho de que el Esquema anterior describe el proceso de desarrollo, mejora o, si lo desea, la evolución de cualquier sistema (que es fácil de verificar mediante la sustitución de la palabra "Sistema" por cualquier otro que desee, desde "Pantalla" hasta "Ancla"), I Creo que puedes hacerlo con seguridad ... e incluso, ¡lo necesitas! llámelo el "Esquema Universal de Evolución". Y preste atención: es absolutamente algorítmico, es decir, cae completamente bajo la definición de un algoritmo: el algoritmo es una prescripción exacta para la ejecución en un cierto orden de un determinado sistema de operaciones que conduce a la solución de todos los problemas de este tipo. significa - se puede implementar en forma de un programa de computadora).
En la forma presentada, el Esquema Universal de Evolución:
- natural: las leyes de la evolución se han identificado en sistemas de varios tipos, y su acción se ha probado en tecnología, producción, sociedad, naturaleza y pensamiento;
- objetivo: las leyes de la evolución no dependen de la opinión del investigador y / o usuario;
- lógico y consistente: las leyes de la evolución se suceden unas a otras;
- completo: el conjunto de leyes evolutivas es suficiente para describir cualquier sistema;
- rígido - las leyes de la evolución no se pueden reorganizar y
- cerrado: las leyes de la evolución forman un ciclo: el sistema, después de haber pasado por un ciclo de cambios, comienza inmediatamente uno nuevo.
Lo que obtenemos como resultado: la evolución del sistema (presentado en forma de Esquema Universal) es la forma de mejorarlo, deshacerse de sus defectos. En otras palabras, es un algoritmo para resolver el problema. Y resolver un problema es exactamente lo que hace el intelecto. Simplifiquemos y obtengamos: Esquema universal = descripción de la función de inteligencia.
Se alienta la crítica constructiva.
1. « , » chrdk.ru/news/dendrity-vazhnee-chem-schitalos
2. ru.wikipedia.org/wiki/_
3. . . « ! » www.computerra.ru/161756/6502
4. Chapter 6. Problem Solving. Artificial Intelligence. A Knowledge-Based Approach by Morris W.Firebaugh University of Wisconsin – Parkside PWS-Kent Publishing Company Boston 1988, p. 172.
5. . , , , . www.ng.ru/science/2017-01-11/14_6899_evolution.html